运维

记录一次心跳的修复（2026-09-10）最危险的不是进程死了，而是它还活着，却已经很久没说过一句话 这天前后处理了几件看起来不相干的事：换掉一个 VLM 模型、给一个本地转发进程补 timeout、修交易 worker 的心跳、核正一份自动判定、读一份策略审计。等它们在记录里排到一起才发现，说的其实是同一件事——每一个长期运行的环节，都得持续向系统证明自己还活着。一旦它不再说话，系统不会立刻崩，它只会安静地做出一个错误的判断。 下面按当天实际处理的顺序记。 从一条 130 秒的规律开始监控里最先扎眼的是这个数：交易 worker 每隔约 130 秒就重连一次，节律几乎不抖。 反复核过之后，这个 130 秒不是巧合——它刚好等于连接守卫的超时阈值 + 平均一次重连所需的耗时。也就是说，重连不是网络断了，是被守卫"误判"成断了：它等了太久没等到该有的时间戳刷新，就按超时处理，断线，重连，然后 130 秒后再来一遍。日志里这种由"陈旧"引发的心跳超时，一次会话里数到了 3885 次。 顺着 _last_success_ts 往下挖连接守卫的判定本身 ...

记录一次记忆服务的升级（2026-08-03）跨大版本升级，先想清楚怎么退回去，比升级本身更重要 OpenViking 从 0.3.24 升到 0.4.12，跨度不小。这天没有新功能，只有一次升级和围绕它的几件收尾——因为记忆服务是对所有「上面」的项目都生效的那一层，不能升一半。 一次跨大版本的升级从 0.3.24 → 0.4.12，升级成功。 跨度大，意味着大概率有破坏性变更。这一版确实有。 破坏性变更：root key 不能访问 tenant 数据最直接的一条：升级后，root key 不能再访问 tenant 数据 API。 之前用 root key 一把梭的方式失效了。处理办法是按新规则签发一个 default/wu 的 admin user key，并更新 hermes 的 .env，让它改用这把新 key 访问数据。 这条不处理，「记忆写不进去」这类问题会以很奇怪的形式冒出来——所以它排在升级清单的第一项。 agent_evolution 显式开启第二件事是把 agent_evolution 显式开启。 新版里它的默认行为可能变了，为了保持原来的行为，选择把它明确写进配置 ...

记录一次例行巡检（2026-06-22）巡检看到的是数字，要找的是那个不该只出现一次的原因 10:14 做了一次例行巡检。这天没有改任何代码，只是看。 但看完之后，有些事必须记下来。 巡检的输入只有一样东西：当前时间点，每个数据源的最新一条记录。所谓巡检，就是把"现在"和"应该的样子"对一遍。 先看还活着的T+0 是 10:14，当前 active version 是 v1.23（activated 2026-06-22 10:12:59）。几条主链的数据都在跳： 数据源 末笔时间 距 T+0 sim_decisions 2026-06-22 10:12:29 2.2 分钟前 sim_trades（SELL） 2026-06-22 08:52:51 82 分钟前 new_tokens — 1.8 分钟前（1159/h，OK） sim_market_snapshots（v1.25 CG） — 1.9 分钟前（OK） sim_smart_money_snapshots（v1.26） — 2.0 分钟前（OK，1 ...